砂時計型ネットの中間次元数選択について : AIC・MDLの不適切性と新しい基準量
スポンサーリンク
概要
- 論文の詳細を見る
砂時計型ネットの恒等写像学習を用いた, データフィッティング, ノイズ除去, 異常検出, 多価関数の学習, 等が適切に機能するためには, bottleneck層の次元数の設定が重要である.これは統計で言うモデル選択の問題となる.しかし, 砂時計型ネットの恒等写像学習は, 「変数誤差モデル」と呼ばれる非標準的な推定問題であることが指摘されている.このため, モデル選択に通常用いられるAICやMDLのような基準量は, 理論的にも実験的にも不適切となる.そこで本研究では, 砂時計型ネットに対応した次元数選択の基準量を提案する.また, 同じ問題に対する別のアプローチとして提案されている過負荷学習法について, その難点を指摘する.
- 社団法人電子情報通信学会の論文
- 1998-03-20
著者
関連論文
- 聴覚認知に関与する海馬 - 皮質活動の解析
- 視覚認知における同一線分内の運動情報伝達
- 文字の心的回転の脳内過程
- 手の左右判別に伴う脳内活動
- Motor Imageryにおける脳内処理の時空間構造
- メンタルローテーションの情報処理モデル : 脳磁データからの推定
- 作業分担における情報交換ルールの強化学習による自動獲得
- 倒立振子の協調制御における言語の自発的形成
- 近傍モデル遺伝的アルゴリズムによる多目的最適化
- 線画呈示に伴う脳内活動部位の時間変化
- 非単調ダイナミクスを用いた構造をもつパターンの連想記憶
- ニューロンクラスによるスパイク間隔統計の相違
- ニューロンクラスによるスパイク間隔統計の相違
- 13pTC-8 BVP モデルと LIF モデルの高次スパイク間隔統計量の相違(ニューラルネットワーク : 神経系のモデルを含む, 領域 11)
- 時空間構造をもつ入力に対するSTDPベースの自己組織化マップ
- LIFモデルとBVPモデルで見られる高次スパイク間隔統計の相違
- STDPによるシナプスパターンの競合と調節のメカニズム
- ニューロンモデルのクラス分類と入力の性質によるスパイク統計の相違
- 2P2-3F-B6 人とロボットの歩行同期のための視覚による踵追跡・歩行ピッチ抽出
- 2P1-3F-B8 パターン認識の前処理としての次元圧縮法
- 両眼競合知覚の神経機構
- 二次元動画像からの動作情報抽出
- A-2-23 カオス系列刺激によるBVPニューロンの応答とその統計的解析
- A-2-17 有色ノイズ入力を与えたBV ニューロンの応答
- BVPニューロンへの有色ノイズ刺激とその応答
- 進化型アナログLSI -遺伝的アルゴリズムによる製造誤差への適応-
- 1A1-77-110 逐次学習型線形判別分析アルゴリズムの性能比較
- 槌田 敦: 石油と原子力に未来はあるか; 資源物理の考えかた, 亜紀書房, 東京, 1978, iii+233ページ, 19×13cm, 980円.
- 反応曲線が既知なロブ-パス問題の最適解
- 砂時計型ネットを用いた多価関数の学習
- 砂時計型ネットの中間次元数選択について : AIC・MDLの不適切性と新しい基準量
- 多重化砂時計型ネットを用いた広いクラスの曲面によるデータフィッティング
- 砂時計型ニューラルネットの競合学習
- データ補正の教師無し学習 : 砂時計型ネットは何を学習しているのか
- RBFネットワークを用いた時変環境におけるQ-learning :遺伝的アルゴリズムによる有用度関数の構成法
- 筋肉のHodgkin-Huxley方程式における周期倍分岐の連鎖
- 筋肉のHodgkin-Huxley方程式の2パラメータ分岐
- 筋細胞膜のHodgkin-Huxleyモデルでの周期倍分岐の連鎖
- 筋肉のHodgkin-Huxley方程式の周期解の分岐
- ある非線形問題について (関数方程式の近似解法研究会報告集)
- 自己連想ニューラルネットワークにおける誤想起の抑制 : 入力パターンへのノイズ付加による想起能力の向上
- 自己連想記憶ニューラルネットワークの引き込み領域 : 誤想起を減らす手法の提案
- 自己連想記憶ニューラルネットワークのダイナミクス
- RBFを用いた進化型ハードウェアによる適応等化器
- RBFを用いた進化型ハードウェアによる適応等化器
- 遺伝的アルゴリズムを用いた時変環境におけるQ-learning